CPAgents：心脏病协会的代理复合表型生成

确定心脏成像表型与临床疾病之间的牢固关联是人群规模心血管研究和可靠风险分层的基础。然而，当前的全表型关联研究依赖于预定义的单变量表型或专家设计的特征，这限制了它们捕获有临床意义的非线性效应和跨表型相互作用的能力。为了解决这个问题，我们提出了 CPAgents，这是一种用于心血管表型范围关联研究 (PheWAS) 的迭代表型组合框架，它可以根据基本成像特征自动构建和验证可解释的复合表型（例如多项式、比率和交互形式）。具体来说，我们的系统协调三个代理：（i）识别统计病理学并指定候选转换的分析师； (ii) 提案者根据数字安全规则生成受约束的、医学和统计动机的表达式； (iii) 验证员使用多阶段标准评估候选者，并为可接受的表型提供透明的证据线索。在人口规模的心脏成像队列中进行评估，发现的复合表型显着改善了疾病区分：在 72 种分类器-疾病-度量组合中，我们的变体在 56 例中排名最高，而基线为 18 例，在所有九种临床疾病类别中都观察到了进步。我们的框架产生紧凑的、临床上可解释的表型公式，具有透明的证据轨迹，能够在专家驱动的特征选择之外扩展发现更强的表型与疾病关联。